意大利布鲁诺·凯斯勒基金会研究团队发布FAMA，首个遵循开放科学原则的英意双语语音基础模型。与Whisper等闭源模型不同，FAMA完全开放训练数据、代码和模型权重，在超过15万小时开源语音数据上训练。研究创建了包含1.6万小时伪标注数据的新数据集，实验表明FAMA性能可与现有语音基础模型媲美，同时速度提升8倍。这一突破不仅促进研究可重复性和公平评估，还为语音技术领域树立了开放科学新标准。

奥地利科学技术研究所开发的QuEST方法实现了大型语言模型在极低精度下的稳定训练突破。该方法通过哈达玛变换和信任梯度估计器，成功将量化训练的精度极限从8位推进到4位，甚至实现1位精度的稳定训练。实验显示4位QuEST模型在相同资源下超越16位传统模型，运行速度提升达2.4倍，为AI模型的高效部署提供了新解决方案。

这项由清华大学、上海AI实验室等顶级研究机构联合完成的研究，系统分析了当前大推理模型存在的"过度思考"问题，并提出了从推理过程、训练方法、强化学习到架构创新的全方位解决方案。研究发现AI模型经常对简单问题进行冗长推理，浪费大量计算资源，通过多种优化技术可显著提升推理效率，为AI技术的普及和产业化应用提供重要支撑。

哈佛大学和麻省理工学院研究团队开发了MetaFlows，一种革命性的AI学习方法，能让机器像人类一样从少量例子中快速学会新技能。该技术结合流匹配和元学习，显著提升数据效率，在图像生成和视频合成等任务中表现出色。MetaFlows有望在创意产业、教育医疗等领域广泛应用，虽然目前仍面临计算复杂度等挑战，但为通用人工智能发展开辟了新路径。

「“转码”正在成为不那么好找工作的——文史哲、土木、建筑、“四大天坑”生化环材（生化、化学、环境、材料）等专业毕业生们的主动选择。今日推荐后浪研究所（id：youth36kr）一篇文章，程序员依然是高性价比的工作选择。」

本文探讨了生成式 AI 和大语言模型 (LLMs) 即将实现的近乎无限记忆能力这一重大突破。通过新的架构设计,AI 系统将能够存储和检索几乎无限量的对话历史,实现持续性的上下文理解和个性化交互。这项技术将彻底改变 AI 的应用方式,但同时也带来了隐私保护等方面的挑战。

南京大学团队开发出STAR视频超分辨率技术，通过借用文本生成视频模型的智慧，配合局部信息增强模块和动态频率损失机制，成功解决了现实世界视频修复中的画质模糊和时间不连贯问题。该技术在多项测试中表现优异，特别是在处理人脸和文字等细节内容时效果显著，为珍贵但画质不佳的视频修复提供了全新解决方案。

Inclusion AI的Ring团队开发了Ring-lite，一个仅有2.75亿活跃参数却能匹敌8亿参数模型的推理AI。该模型采用专家混合架构和创新的C3PO训练方法，在数学竞赛、编程竞赛和科学推理等任务上表现优异，完全开源可免费使用。

Adobe Research联合32家顶尖机构发布重磅研究，全面解析长视频生成技术现状与突破路径。研究发现当前AI视频生成存在时长限制（多数仅5-16秒）和质量衰减问题，通过分析六大技术流派和核心架构组件，为实现电影级长视频生成提供了系统性解决方案，预示着从几秒短片向几分钟完整故事视频的技术跃迁即将到来。

阿里巴巴Qwen团队提出全球首个个性化生成式奖励模型P-GenRM，通过三阶段训练和测试时用户导向扩展机制，实现AI系统对不同用户偏好的精准适应。该技术在标准测试中平均提升2.31%准确性，测试时扩展机制额外提升3%性能，为客服、教育、内容推荐等领域的个性化AI应用开辟新前景。

耶鲁大学研究团队开发出ANCHOR方法，通过"分支点扩展"策略解决AI桌面操作训练数据稀缺问题。该方法从高质量种子演示出发，在关键界面变化点创造任务变种，生成平均17.24步的长序列轨迹，配合多层质量控制确保数据可靠性。实验显示在两个主流测试平台上模型性能显著提升，为实用化桌面AI助手奠定基础。

上海交大团队开发SWE-Exp系统，让AI能从过往代码修复经验中学习，通过构建"经验银行"存储成功和失败案例，采用双智能体协作模式实现智能修复。在基准测试中达到41.6%成功率，比之前最好方法提升7.2%，开创了从试错探索向经验驱动修复的新范式。

巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现，静态INT8量化虽能带来1.5-3.3倍速度提升，但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善，揭示了效率与鲁棒性平衡的复杂挑战。

Meta联合滑铁卢大学开发的MoCha系统实现重大突破，仅需语音和文字描述就能生成电影级会说话的虚拟角色视频。该技术突破传统局限，无需参考图片等辅助条件，还能实现多角色对话场景，在唇音同步、表情自然度等方面显著超越现有方法，为内容创作、教育、娱乐等领域带来革命性变化。

复旦大学和腾讯优图实验室联合推出StrandDesigner系统，首次实现通过手绘草图自动生成逼真3D头发的突破。该技术采用可学习多尺度放大策略和自适应条件控制机制，能处理从简单涂鸦到专业草图的各种输入，在多项指标上显著超越现有方法，有望革新游戏、影视等数字内容创作流程。

这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题：如何让AI既能写出高质量内容，又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法，他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感，最终训练出的模型在保持顶级质量的同时，创作多样性接近人类水平，为AI创意写作开辟了新方向。

田纳西理工大学研究团队通过结合强化学习和变形金刚架构，成功开发出具备"元学习"能力的AI系统。该系统能在未见过的环境中快速适应并持续改进，展现了900%的性能提升。研究证实AI可进行技能组合、适应环境变化，且对训练数据质量具有显著鲁棒性，为通用人工智能发展指明新方向。

香港科技大学研究团队开发了MOSS-ChatV视频AI系统，通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件，还能提供清晰的推理解释。研究构建了MOSS-Video数据集，采用动态时间规整算法训练模型，在多个视频理解任务上取得显著性能提升，为视频AI的可解释性发展开辟了新方向。

弗吉尼亚理工大学推出AR-RAG技术，让AI像拼图高手一样在生成图像时动态检索参考片段。该技术突破传统"闭门造车"模式，实现边生成边参考，显著提升图像质量和细节准确性。提供免训练DAiD和优化训练FAiD两种方案，在多个权威测试中创造同规模模型最佳成绩。

浙江大学等高校研究团队开发的VolSplat系统，通过"体素对齐"替代传统"像素对齐"方法，实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型，在RealEstate10K等标准数据集上显著超越现有方法，为机器人导航、增强现实、建筑设计等领域提供了新的技术选择，代表了3D重建领域从二维思维向三维思维的重要转变。